Jarenlang hebben we verkeersdata ingewonnen met een specifiek doel voor ogen. ‘We willen hier filestaartbeveiliging en daar toeritdosering en dus gaan we meten.’ Maar inmiddels beschikken we als verkeersprofessionals over wagonladingen data waar we niet eens om gevráágd hebben. De uitdaging is nu: we hebben de data, maar wat doen we ermee? Dat het loont om serieus over die vraag na te denken, is het onderwerp van ons hoofdartikel.

 
Verkeersdata kreeg je nooit zomaar. Als je wat wilde weten, moest je lussen infrezen en camera’s ophangen – en die spullen moest je dan nog onderhouden ook. Jarenlang hebben we daarom alleen gemeten wat strikt noodzakelijk was. En wat we maten, werd tot op het bot benut. Lussen die voor filestaartbeveiliging waren aangelegd, werden zo tevens bron voor verkeersinformatie en basis onder menig beleidsdocument.

Maar toen kwamen er data die niet specifiek voor verkeersmanagement werden ingewonnen, maar slechts ‘bijproduct’ waren. Denk aan gsm- en gps-gegevens: eigenlijk bedoeld om de telecom- of serviceprovider in staat te stellen z’n klanten te bedienen, maar als ‘floating car data’ ook nuttig voor wegbeheerders. De data komen met gigabytes tegelijk binnen, van alle denkbare wegen, tegen zeer geringe kosten. Vanaf begin 2017 biedt NDW de FCD bovendien op een presenteerblaadje aan.

Sindsdien is er de uitdaging zoals we die in het intro benoemden: eerst zijn er de data en dan pas de vraag wat we er zoal mee kunnen. Natuurlijk worden bijvoorbeeld de FCD al breed gebruikt en we kunnen ons zelfs niet meer voorstellen hoe we het ooit zonder hebben gedaan. Maar veel toepassingen zijn nog redelijk rechttoe-rechtaan. Het potentieel van de nieuwe bronnen is dan ook nog lang niet zo benut als bijvoorbeeld lusdata – laat staan het potentieel van het slim combineren van databronnen. Er ‘borrelt’ wel het nodige, zeker in universiteiten, maar het is nog wachten op de echte grootschalige praktijktoepassingen.

Ter inspiratie
Is dat koudwatervrees? Of gewoon onbekendheid met de mogelijkheden? Wie zal het zeggen. Maar geheel vrijblijvend en ter inspiratie bieden we in NM Magazine drie praktijkgerichte cases aan van wat het oplevert als we serieus stilstaan bij de vraag: wat is er meer mogelijk met onze bak aan data?

We beginnen met een voorbeeld van slim combineren. Het betreft het real-time schatten van de bufferruimte op wegvakken, bijvoorbeeld bij een toeritdoseerinstallatie. Er is interessant onderzoek gedaan naar de mogelijkheden om die bufferruimte op basis van alleen FCD te schatten. Er blijkt veel mogelijk, maar er zit wel een addertje onder het gras: in die onderzoeken wordt uitgegaan van de ruwe vorm van FCD. Die wordt om privacyredenen niet aan wegbeheerders geleverd – en de hoop dat de inductielussen de grond uit kunnen, moet dus nog even in de ijskast. Nieuw onderzoek toont echter aan dat ook de geaggregeerde en geanonimiseerde FCD bufferruimte-potentieel hebben, mits slim gecombineerd met een instroom- en uitstroomlus. In het artikel leest u hoe u met de FCD van bijvoorbeeld Google of NDW het cumulatieve-foutenprobleem omzeilt.

In het tweede artikel komt een interessante beleidstoepassing van FCD aan bod. De dekking van FCD is vele malen groter dan die van meetlussen of camera’s. In principe is er informatie beschikbaar over het complete wegennet in een stad of regio – en dat opent perspectieven. Eén nieuwe mogelijkheid is om de effecten van (regionaal) verkeersbeleid in beeld te brengen en te monitoren door de kwaliteit van de verkeersafwikkeling op het stedelijke of regionale wegennet te toetsen. Het gaat er dan om indicatoren te kiezen die de prestatie van wegvakken concreet en consistent beschrijven én passen bij de databron FCD.

Het derde artikel ten slotte is van andere aard. In deze bijdrage stellen de auteurs het wensdenken rond de zelfrijdende auto aan de kaak. Mogen we echt verwachten dat zelfrijdende auto’s het stadsbeeld zó veranderen dat het een en al groen en recreatie wordt? Futuristen redeneren er op los, maar het artikel bespreekt een aanpak om de toekomstscenario’s van zelfrijdend vervoer gestructureerd en objectief te verkennen aan de hand van bestaande datasets. Centraal staan zogenaamde systeemdynamische modellen gevoed met data over onder meer het grondgebruik, het aantal banen, het aantal woonplekken en de verkeersvolumes. Zo’n analyse leidt tot beduidend minder jubelende conclusies, maar ze biedt beleidsmakers wel stevige en zeer bruikbare handvatten.

Daarmee hebben we met drie cases drie verschillende gebruikstoepassingen geïllustreerd: real-time verkeersmanagement, beleidsmonitoring en visievorming (verkennen van de toekomst). Deze toepassingen zijn af of bijna af, wachtend op gebruikers en op meer praktijkervaring. Maar belangrijker nog: er moet veel meer mogelijk zijn als we data fris benaderen en net even anders gebruiken. De data zijn er al – nu nog het doen.

Comments are closed.